edt_jfa_vector — 3D feature op

• データ種: voxel → flow_dense

• 呼び出し: import fullseye as fs; fs.ledger.edt_jfa_vector(seed_bool, device='cpu') (実装を直接呼ぶなら import match3d; match3d.edt_jfa_vector(seed_bool, device='cpu')、台帳から引くなら ops3d.get("edt_jfa_vector"))

• 台帳経由の戻り値: fullseye.ledger.edt_jfa_vector(...) は**宣言 out 型 flow_dense の値だけ**を返す(本体は補助情報も返す)。捨てられた側が要るときは fullseye.ledger.edt_jfa_vector.raw(...)、または match3d.edt_jfa_vector を直接呼ぶ。

• GPU: この op は GPU 経路あり(device="cuda")

使い方

各 voxel から最近 seed への変位 `(3, D, H, W)(flow_dense`、dz, dy, dx [voxel])を GPU の JFA で。

`edt_jfa` は距離の値だけを返すが、JFA は内部で最近 seed の座標を運んでいる —— それをそのまま出す(追加コストほぼ 0)。

CPU / scipy 経路は `vol_nearest_seed_vector`(同じ値、N≤160 で厳密一致を実測)。seed が無ければ ValueError

(`edt_jfa` は 1e6 に飽和させるが、向きに「無限遠」は無い)。返りは torch float32(台帳経由では numpy)。

参考(サンプルデータ・文献)

• サンプルデータ カタログ(DL URL / ライセンス) — 2-D は skimage.data(BSD/public)+ 合成、3-D は実データ源(Stanford/PDS 等)の DL URL。

• 演算子の来歴・参考文献 — この op 族の元になった研究/手法の出典。

実行できる例(この op を実際に呼ぶ検証済みサンプル)

• nearest_seed_partition — py -3.11 examples_3d/nearest_seed_partition.py

型が繋がる次の op(flow_dense を入力に取れる)

fuse_to_voxel

同カテゴリ(feature)

sobel3d · hessian3d · curvature_maps · edt_jfa · vol_frangi · vol_local_std · vol_local_thickness · vol_orientation_coherence

*Provenance: match3d.py — 3D operator registry. この per-op ノートは tools/opdocs.py md が自動生成(手編集しない)。*

© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.